任务适应性神经形态计算使用可重新配置的有机神经电阻,具有可调整的可塑性和逻辑内存操作
Sai Jiang1,2, Lichao Peng1, Longfei Li2
1School of Microelectronics and Control Engineering, Changzhou University, Changzhou, Jiangsu 213164, P. R. China.
The journal of physical chemistry letters
|February 22, 2024
概括
研究人员开发了一种有机神经电阻器,用于节能的人工智能. 这个设备可以实现适应性学习和高精度计算,为先进的AI系统铺平了道路.
科学领域:
- 神经科学与材料科学 神经科学与材料科学
- 开发用于人工智能应用的新型有机神经元.
背景情况:
- 大脑的动态重新配置能力激发了节能学习和推理.
- 现有的架构往往缺乏适应性,低功耗AI的灵活性.
研究的目的:
- 展示一个有机神经电阻器,具有可调整的可塑性和可重新配置的逻辑内存功能.
- 探索其在节能储水器计算和高性能人工智能中的应用.
主要方法:
- 在有机神经电阻器中使用铁电-电解质介电接口.
- 可调节的短期和长期可塑性的受控界面相互作用.
- 实现了用于构建二元化神经网络 (BNN) 的内存逻辑运算.
主要成果:
- 在水库计算中实现了高识别精度:图像为90.6%,声信号为97.7%.
- 构建了BNN硬件电路,证明了出色的耐噪能力.
- 实现了高的BNN准确性:在MNIST上达到99.2%,在CIFAR-10数据集上达到86.4%.
结论:
- 有机神经电阻为适应性AI提供了一个统一的神经元突触架构.
- 对于节能边缘计算和高性能人工智能任务的潜在潜力.
- 突出了开发下一代节能的人工智能系统的途径.
